一个基于大模型的因果推演引擎，用于分析和可视化事件之间的因果关系。
- 🧠 智能因果分析: 基于 DeepSeek 大模型的因果关系推理
- 📊 可视化图谱: 使用 React Flow 展示因果关系网络
- 🔍 标的研究: 逆向推演 + 实时搜索 + 因果分析
- 📝 新闻提取: 从新闻文本中自动提取因果关系
- 💬 智能摘要: 根据图复杂度动态生成分析简报
- 🌊 流式输出: 实时展示分析进度，提供流畅体验
- 框架: React 18 + Vite
- 样式: Tailwind CSS
- 可视化: @xyflow/react (React Flow v12) + Dagre 自动布局
- HTTP 客户端: Fetch API (原生)
- 框架: FastAPI
- AI 模型: DeepSeek API (兼容 OpenAI 格式)
- 搜索引擎: DuckDuckGo / Tavily / Serper
- 异步支持: Uvicorn + AsyncIO
因果引擎/
├── backend/ # 后端服务
│ ├── app/
│ │ ├── api/ # API 路由
│ │ │ ├── __init__.py
│ │ │ └── causal_router.py
│ │ ├── services/ # 业务逻辑
│ │ │ ├── __init__.py
│ │ │ └── causal_service.py
│ │ └── __init__.py
│ ├── main.py # 应用入口
│ ├── requirements.txt # Python 依赖
│ └── .env.example # 环境变量示例
│
├── frontend/ # 前端应用
│ ├── src/
│ │ ├── components/ # React 组件
│ │ │ ├── CausalGraph.jsx
│ │ │ └── QueryPanel.jsx
│ │ ├── App.jsx # 主应用组件
│ │ ├── main.jsx # 应用入口
│ │ └── index.css # 全局样式
│ ├── index.html
│ ├── package.json
│ ├── vite.config.js
│ ├── tailwind.config.js
│ └── postcss.config.js
│
├── .gitignore
└── README.md
Windows 用户:
cd backend
setup.batLinux/Mac 用户:
cd backend
bash setup.sh脚本会自动：
- ✅ 创建
.env配置文件 - ✅ 配置 DeepSeek API (已内置密钥)
- ✅ 安装 Python 依赖
- ✅ 安装搜索引擎支持
确保已安装：
- Node.js 18+ 和 npm/yarn
- Python 3.9+
# 进入后端目录
cd backend
# 创建虚拟环境（推荐）
python -m venv venv
# 激活虚拟环境
# Windows:
venv\Scripts\activate
# Linux/Mac:
source venv/bin/activate
# 安装依赖
pip install -r requirements.txt
# 安装搜索引擎支持（可选）
pip install duckduckgo-search
# 创建 .env 配置文件
# 将以下内容保存到 backend/.env 文件：backend/.env 文件内容:
# DeepSeek API 配置（已配置好，可直接使用）
OPENAI_API_KEY=sk-808aa93c9409413bbfcf66505a96de94
OPENAI_BASE_URL=https://api.deepseek.com/v1
OPENAI_MODEL=deepseek-chat
# 服务器配置
HOST=0.0.0.0
PORT=8000
# 搜索引擎配置（使用免费的 DuckDuckGo）
SEARCH_ENGINE=duckduckgo# 启动后端服务
python main.py后端服务将在 http://localhost:8000 启动
# 打开新终端，进入前端目录
cd frontend
# 安装依赖
npm install
# 启动开发服务器
npm run dev前端应用将在 http://localhost:5173 启动
在浏览器中打开 http://localhost:5173，即可开始使用因果推演引擎。
启动服务后，可以测试以下功能：
- 基础因果分析: 输入"全球变暖会导致什么后果？"
- 新闻提取: 粘贴一段新闻文本，自动提取因果关系
- 标的研究: 输入"中证1000指数"，查看实时分析
- 流式体验: 观察实时进度反馈和炫酷的加载动画
- 自然语言因果关系推理
- 可调节分析深度（1-5层）
- 支持背景信息输入
- 生成结构化因果图谱
- 从新闻文本自动提取因果关系
- 智能识别原因、结果、中间节点
- 评估因果强度和置信度
- 可选生成智能摘要（简单/复杂两种模式）
- 步骤 1: 逆向因子提取 + 关键词生成
- 步骤 2: 并发联网搜索最新资讯
- 步骤 3: 综合分析生成因果图谱
- 支持流式输出 (
/stream)，实时展示进度
- 基于 React Flow + Dagre 自动布局
- 5 种节点类型（原因、结果、中间、假设、证据）
- 3 种边强度（弱、中、强），强关联带动画
- 交互式操作（点击、拖拽、缩放、小地图）
- 详情侧边栏展示节点完整信息
- 🎨 现代化渐变背景设计（紫-粉-青）
- 🌓 深色主题界面，护眼舒适
- 📱 响应式布局，适配多种屏幕
- 💫 流畅的动画效果（心跳、脉冲、发光）
- 🎯 直观的用户体验
- 🌊 流式进度反馈，实时展示"思考中"
POST /api/v1/analyze
curl -X POST http://localhost:8000/api/v1/analyze \
-H "Content-Type: application/json" \
-d '{
"query": "全球变暖会导致什么后果？",
"context": "可选的背景信息",
"max_depth": 3
}'POST /api/v1/extract-causality
curl -X POST http://localhost:8000/api/v1/extract-causality \
-H "Content-Type: application/json" \
-d '{
"news_text": "美联储宣布加息50个基点，导致美股大幅下跌。",
"generate_summary": true
}'POST /api/v1/research-target/stream
curl -N -X POST http://localhost:8000/api/v1/research-target/stream \
-H "Content-Type: application/json" \
-d '{
"target": "中证1000指数"
}'POST /api/v1/research-target
curl -X POST http://localhost:8000/api/v1/research-target \
-H "Content-Type: application/json" \
-d '{
"target": "比特币"
}'所有接口返回标准的 AnalysisResult 格式：
{
"nodes": [
{
"id": "n1",
"label": "节点标签",
"type": "cause|effect|intermediate|hypothesis|evidence",
"description": "详细描述",
"confidence": 0.9
}
],
"edges": [
{
"source": "n1",
"target": "n2",
"label": "因果关系",
"description": "传导机制",
"strength": 0.85
}
],
"explanation": "整体因果关系分析",
"metadata": {
"target": "标的名称",
"factors": ["因子1", "因子2"],
"total_time": 24.5
}
}启动后端后访问：
- Swagger UI: http://localhost:8000/docs
- ReDoc: http://localhost:8000/redoc
cd frontend
# 开发模式
npm run dev
# 构建生产版本
npm run build
# 预览生产版本
npm run previewcd backend
# 开发模式（自动重载）
python main.py
# 或使用 uvicorn 直接运行
uvicorn main:app --reload --host 0.0.0.0 --port 8000后端启动后，访问以下地址查看自动生成的 API 文档：
- Swagger UI:
http://localhost:8000/docs - ReDoc:
http://localhost:8000/redoc
项目已内置 DeepSeek API 配置，可直接使用：
OPENAI_API_KEY=sk-808aa93c9409413bbfcf66505a96de94
OPENAI_BASE_URL=https://api.deepseek.com/v1
OPENAI_MODEL=deepseek-chat标的研究功能需要搜索引擎支持，推荐使用免费的 DuckDuckGo：
# 安装 DuckDuckGo 搜索支持
pip install duckduckgo-search# 在 .env 中配置
SEARCH_ENGINE=duckduckgo其他选项：
- Tavily: 专为 AI 优化，注册地址 https://tavily.com/
- Serper: 基于 Google，注册地址 https://serper.dev/
详细配置说明请查看：backend/API_CONFIG.md
前端通过 Vite 代理转发 API 请求，配置在 frontend/vite.config.js：
server: {
proxy: {
'/api': {
target: 'http://localhost:8000',
changeOrigin: true,
}
}
}- 构建生产版本：
npm run build - 将
dist目录部署到静态服务器（Nginx、Vercel、Netlify 等）
- 使用 Gunicorn + Uvicorn workers
- 配置反向代理（Nginx）
- 设置环境变量
- 使用进程管理器（systemd、supervisor）
A: 运行 cd backend && setup.bat（Windows）或 bash setup.sh（Linux/Mac），然后 python main.py 启动后端，cd frontend && npm install && npm run dev 启动前端。
A: 是的！项目已内置 DeepSeek API Key (sk-808aa93c9409413bbfcf66505a96de94)，可直接使用。
A:
- 检查 Python 版本（需要 3.9+）
- 确认已安装依赖：
pip install -r requirements.txt - 检查
.env文件是否存在 - 查看错误日志定位问题
A:
- 确保后端服务正在运行（http://localhost:8000）
- 检查 Vite 代理配置
- 查看浏览器控制台的网络请求
A:
- 确认已安装搜索引擎支持：
pip install duckduckgo-search - 检查
.env中的SEARCH_ENGINE=duckduckgo - 或配置 Tavily/Serper API Key
A:
- 确保后端返回的数据格式正确
- 检查节点和边的 ID 是否匹配
- 查看浏览器控制台的错误信息
A: 编辑 backend/.env 文件，修改 OPENAI_API_KEY 的值。
A: 支持所有兼容 OpenAI API 格式的模型，包括：
- DeepSeek (已配置)
- OpenAI GPT-4/GPT-3.5
- Azure OpenAI
- 其他兼容服务
- API 配置指南:
backend/API_CONFIG.md - API 测试文档:
backend/API_TEST.md - 摘要生成文档:
backend/SUMMARY_TEST.md - 标的研究文档:
backend/RESEARCH_TARGET_API.md - 流式输出文档:
backend/STREAMING.md - 可视化组件文档:
frontend/VISUALIZATION.md - TypeScript 类型文档:
frontend/TYPES.md
MIT License
欢迎提交 Issue 和 Pull Request！
如有问题，请通过 GitHub Issues 联系。